ANOVA for High-dimensional Non-stationary Time Series
高维非平稳时间序列的方差分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接针对高维非平稳时间序列的时间依赖、检验与二次型理论。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
高维非平稳时间序列的方差分析
- 研究问题
- 当高维时间序列具有非平稳性和时间依赖时，如何避免自协方差扭曲方差分析统计量，并获得有效的假设检验？
- 方法与思路
- 作者构造考虑时间依赖的方差分析统计量，并通过 bootstrap 处理复杂四阶累积量带来的方差估计难题，研究相关渐近理论。
- 材料陈述的贡献
- 摘要称建立了零假设下统计量的渐近分布与 bootstrap 有效性，还给出高维非平稳序列二次型的一致性、高斯逼近及方差估计结果。
- 阅读关注点
- 应核对检验的具体零假设、维度与样本量增长关系、允许的依赖及非平稳形式，以及重抽样如何保留相应时间结构。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未核验；摘要未列出矩条件、依赖限制或数值结果，不能认定适用于任意非平稳序列。
原文摘要
Temporal dependence and the resulting autocovariances in time series data can introduce bias into ANOVA test statistics, thereby affecting their size and power. This manuscript accounts for temporal dependence in ANOVA and develops a test statistic suitable for high-dimensional, non-stationary time series. Recognizing that the presence of complex fourth-order cumulants may introduce difficulties in variance estimation of the test statistic, we develop a bootstrap algorithm to conduct hypothesis testing through computer simulations. Theoretical results including the asymptotic distribution of the test statistic under the null hypothesis and the validity of the proposed bootstrap algorithm are established. Numerical studies demonstrate a good finite-sample performance of the proposed test statistic. In addition to the new test procedure, this manuscript derives theoretical results on consistency, Gaussian approximation, and variance estimation for quadratic forms of high-dimensional non-stationary time series, which may be of independent interest to researchers.